主题：【原创】围绕脑科学而发生的若干玄想 -- 鸿乾

昨天看了PBS电视台的Nova Science Now。这是一期讲脑科学的专辑，看到心旷神怡。因此发了一个念头，准备在这里把我这些年围绕脑科学而发生的若干玄想写下来，讲出来。如果有朋友来一起讨论，那就超出预期。如果没有，也算把玄想多少写成文字，或许不会忘记。

先把链接给在这里：

http://www.pbs.org/wgbh/nova/body/how-smart-can-we-get.html

PBS的视频通常不会全部放出来的。但是，他们通常会重播若干次。非常有意思的节目。我其实是PBS的扇子，常看他们的节目，看后经常感到非常愉快。我的很多朋友也同样。比如说，前几周他们的Nature节目中，介绍一个韩国人，去西伯利亚潜伏拍摄东北虎。看后，感到对自然有了更好的了解。

我有很多的玄想，一次当然讲不完。以后有空了，就逐渐来这里写一些。

其实我的专业背景和脑科学一点边也不沾。甚至我连脑科学这个字眼都是从小孩那里学来的。很多年前了，小孩还很小。但是，不知谁的指导，那两年中，对脑科学极度兴趣，从图书馆借了很多有关的书来读。也就是那个时候，我才知道有这个学科，或者说这个综合学科的方向。自从了解这个之后，就感到兴趣，各种玄想也就开始了。学而不思，思而不学，都是有害的。我对这个学科的兴趣，其实很明显，就是思而不学，是有害的。但是，我也的确没有那种能力去全面学习这个极度快速发展的新兴综合学科。因此，就只能凭借极度有限的资料，来自我玄想。可以安慰的是，我不误人子弟，我仅是自我玄想。我常常感到，“每有所得，便欣然忘形”，是一种人生的愉快境界。我自己能够在脑科学这个地方，找到一些可以让自己欣然忘形的境界，也算对得起自己了。

在把东西写下来后，就恐怕有误人之嫌了。好在西西河这里的人们比较成熟，即使是我的东西事实上产生了误人的后果，恐怕也不会误人多多。

好在现在网上的资料很多，有的的确可以当做上大学，读研究院来看待。Khan Academy就是很不错的地方。我在这里学了两个脑神经的课。例如这个：

http://www.khanacademy.org/science/biology/human-biology/v/anatomy-of-a-neuron

用几十分钟时间，看看这个视频，很轻松，就基本上了解了神经元的传导信息的机理。我看后，一个“欣然忘形”的所得就是，整个人脑，因此整个人类社会，就是机会主义的，反对机会主义不顾原则可以，但是，应该看到，抓住机会，抓住每一个可能的机会，是自然，是人类社会的基本原则。

这是开头。以后希望能有机会和时间来把玄想都写出来。

• 恐怕也不能这样线性外推，脑的极限是很明显的了
• 关于“神识”
• 非常好。来说两句关于机器学习的事情
• 玄想5：多种多样的感受反应 —— 一切智能的基础
• 图灵实验是个所谓“理想实验”
• "码分多址(CDMA)的本质-正交之美"
• 玄想6：脑科学的发展的必然归途就是社会结构的发展
• 记忆应该是神经网络的网络属性
• 一个非常有趣的论文：晶体管与神经元之区别是否就是形式逻辑
• 我认为你说的非常好。请另开一个帖，仔细谈谈
• 刘亚洲: 当今的世界格局
• 几乎肯定，在生物脑活动中可以观察得到宏观量子效应
• 可见光=可见將來, "到底會發生??事"
• 很有意思的讨论，应该扩展为“获取知识方法论”
• 这个讨论非常好，和我们的讨论很接近，请过去参加
• 当然不是啦。陶是数学家，那位数神经生理的
• "Moravec的悖论": "强相互作用"
• 很好，非常好。大脑的形成可以这样看
• 如果有兴趣，可以在我们这里讨论：
• 老美疯子:费米子 vs Netflix
• "Moravec的悖论",未来, 思想战场
• 这不是个逆推的过程
• 请看这里
• 仿大腦 :"有機"生产大工廠, will it fly?
• 四中全會强渡长江: 用孩子喂狼, 资本(信息)市场开放

很多前沿的科学问题都涉及到哲学层面，很值得讨论。

其实，要说和脑科学沾边，我想，任何在IT领域工作的人，多少都和脑科学沾一些边的。一个广为流传的故事是，60年代时，某人立志要学习人脑的学问，就申请生物系的研究生，恰好遇上一个当时研究人脑的权威，这个权威劝他，你应该去计算机系当研究生，才能更好理解人脑。这个人就转去了计算机系，以后成为了人工智能的大佬。事实上，如果完全抽象看，人脑可以说是一种信息处理机，不过复杂程度远高于现有的人工的信息处理机。IT领域里面工作，就是和各种信息处理机打交道，从这个意义上讲，就和脑科学沾边了。

这个想法大家都同意。但是，请看一个极端的想法：

Mathematical Challenge One: The Mathematics of the Brain

Develop a mathematical theory to build a functional model of the brain that is mathematically consistent and

predictive rather than merely biologically inspired.

谁人有这个要求？谁人敢于这样大胆，居然企图建立一个有效的数学算法像人脑一样地工作？这就是有名的Darpa的23数学挑战中的第一个，恐怕也是最难的一个。我找不到Darpa自己的网页了，就找到这个：

http://www.networkworld.com/community/blog/worlds-23-toughest-math-questions

大家看看，这第一个挑战是否是最难的？我是这样想的。不管那些数学问题有多么难，但是，都是人脑想出来，也是人脑解开的。那么，事实上，那些数学问题，就是人脑这个信息处理机进行处理的结果。如果我们能够找到一个有效的算法，可以在相当程度上用这个算法来复制人脑做信息处理的过程，或者结果（最好是过程和结果都复制），那么，理论上讲，那些难题，也就将是这个算法的处理结果。

所以说，事实上，Darpa的那23个数学难题，是眉毛胡子一把抓。从这个意义上讲，提出和编辑这23个难题的人，应该被打几个暴栗。而且，是否存在这个统一的人脑数学模型，恐怕也是一个问题。但是，不管怎么说，Darpa提出这个问题，就是明确说明，科学已经发展到了这个阶段，人已经在了解自己方面更加深入了一大步。

还不仅如此。人脑并不仅属于单独的一个生命体的，每一个人的脑子，其实都是社会的产物，事实上承载了很多万年遗传，更是通过教育而承载了很多千年的经验。这样的信息处理机，是社会的组成部分，也是推动社会发展的最强大动力。因此对人脑算法的理解和研究，就不光是人脑本身，对社会本身的理解也将起重要作用。

我是这样玄想的。某个社会的一个非常重要的部分，那就是这个社会整体的认识论。不光是先进文明社会有明确的认识论，即使是原始部落，也有该社会的一个整体的认识论的。简单说，就是面对陌生问题，陌生环境，新的情况，这个社会怎样逐步适应和协调，逐步改变自己对新的情况，新的环境的认识和适应。这样的系统，的确存在于一个社会中，或者精密，或者简陋，但是必不可少。这个认识系统，可以说，必然深深植根于人脑和人脑的结构。完全可能我们通常行事的某种自然的习惯，事实上就是某种长远遗传下来的算法，或者是某种长期教育形成的某种算法。

但是，这些都太大太空。我估计，可能Darpa的那个问题，在十年内恐怕也不会有什么具体的结果。不过某些碎片性的进展还是可以有的。而且，即使这些进展仅是碎片性的，但是对于某个具体领域，完全可能起到重大的突破性进展。

我将有个几周的商务旅行，期间无法写了。

http://www.networkworld.com/community/blog/worlds-23-toughest-math-questions

我说的是Darpa的原来的网页，我记得是一个很黑的（之所以记得，就是因为太黑，读起来困难。这也是神经科学的一个原理：要记东西，一定要多方联系联想），那个网页的内容好像很丰富。Darpa的主页很好找。但是，我昨天就是找不到那个23难题的网页了。

或者真正的科学思想。我想在西西河肯定有这方面的专业人士。如果他们来加入，我们就收益多多了。

这个“23难题”（悬赏编号DARPA-BAA08-65）是2008年提出来的，按DARPA官网自己的说法，这些悬赏正式登记经在fbo.gov。

DARPA.mil上只有最近的悬赏。我在fbo.gov找到这个链接外链出处

即使是同一个环境的完全重复，人脑的决定可能都不一样，这种不一样，用纯粹的数学模型有没有可能模拟，我很怀疑。

从理论上讲，只要有足够多的参数，有足够多的参数间的相互关联，就应该可以模拟一个足够复杂的系统。可是人脑这个东西，就不单单是复杂了，简直就是混沌中有序，有序中混沌，而且状态的转变都不见得那么有规律。

人脑看起来不是决定性的，但是如果细究，其实还是决定性的。就是说，如果每次的输入一样，可以看到相同的输出。问题不是人脑神经回路不是决定性的，而是人脑的整体环境有太多的随机干扰。

人脑和电脑的一个根本不同在于，人脑的驱动力就在脑内，而电脑的驱动力完全独立于其存在。人脑内部有若干的驱动。最原始的脑部分，就是最核心的驱动，人的生存动机，饥饿，性，等等，都是从这些原始部分发出的，而高级的部分，事实上是听从这些原始驱动的。还有，前额是掌管人的情绪的部分，这个部分的波动，完全可以影响其他部分，例如听觉，例如理性分析。

我还是相信，人脑的回路，特别是理性部分的回路，事实上一个决定性的信息处理机。电脑就是这样的信息处理机：相同的输入，相同的内态，就产生相同的输出结果。人脑的回路，也应该如此。这恐怕是进化决定的。如果不是如此，怎么有效应对外部世界？

但是，人脑的确复杂很多。我相信，特别复杂的还是脑内的驱动。目前，似乎没有什么办法在电脑中来比较有效地模拟这些驱动。

至此西方所有值得夸耀的成就全部在元规则方面有无可弥补的缺陷，难怪总有“上帝之手”在作怪。

数学的问题就出在1+1=2上，因为在现实世界里你无论如何不可能找到两个完全一样的“1”，故而所有基于数学的科学都必然存在系统误差，除非你不和现实发生关系，这其实是哥德尔定理的另一种演绎。因此计算机模拟走数字化，至少以现在的思路是无解的。

与化学的元素周期表至今也不过时比，物理学已经翻天覆地好几轮了。也许我们都被牛顿带到沟里了，西方今年终于羞羞答答地表示爱因斯坦的理论可能要被推倒了。这么一个基根于数学的宏观科学理论，其系统误差有多大其实动动脚趾头也能想到，可是却到今天才是“可能被推翻”，我们“伟大”的人类科学界真的有这么无能吗？

门捷列夫只是老老实实以乘法口诀表的方式来设计化学，直到今天新增的化学规则和变量都还能被人脑所接受。而牛B哄哄的牛顿和爱因斯坦们却把物理学彻底搞成过家家般的一团乱麻。想要把物理学搞成宗教一般简单，以为靠几个基本定律为核心就可以彻底玩转科学体系，结果就是今天变量和规则发散得到处拼凑少得可怜可怜的字母。

或许我们真的有必要重新设计物理学了吧。

事实上，所谓的认识也好，直觉也好，都是用人脑中的某种过程来应对外部世界的某种过程，都必然有所谓的“系统误差”。

如果仔细看看人脑的内部的过程，就知道这个“系统误差”是一开始就必不可免的。

1+1=2，这是数学的基石，皮亚诺公理的一部分。作为人类认识自然的一部分，是很精妙的理论。事实上，追求这样的境界，是所有人的一种自然追求，并不仅是某些狂人的所为。人脑必然要进行抽象事物，必然要简化事物，这是人脑结构决定的。我个人更极端一些，我认为，高级的哺乳动物，也事实上是能够抽象事物也能简化事物的。看那些狼们，他们能够清楚区别一只鹿，两只鹿，等等，我猜想，他们的脑结构内部，事实上是有1+1的类似结构的，不过他们还没有发达到清晰表达皮亚诺公理的地步。

因此，不是抽象和简化的过错，而是怎样的抽象和怎样的简化更有效。

我们身处的世界是一个渐变连续的世界，在不同数量级(或者说维度)有着不一样的规则。由于规则变迁没有明晰的界限，好比谷堆悖论，因此以数学化来模拟这种渐变天然带有系统误差不可控的缺陷，在目前的算法层面更是无解。可以说再精妙的算法也无法解决跨多维度的问题，因为你无法找到妥善的临界判定。

门捷列夫的元素周期表强就强在了它体现了这种渐变思维，同族元素越到后面共性越小，但由于规则的自由度预留得好，因此不用频繁更换系统。而牛顿的经典物理从一开始就把维度固定为微观，现实和宏观的三维体系，虽然牛顿天才性地发明了微积分来串联不同维度，但微积分的缺陷也是明显的，因为它预设了在无穷大方向均匀变化的前提，而这在现实里实际意义其实很小。此后虽然数学物理发展迅猛，但由牛顿开始的科学元规则设计却乏善可陈，或者可以说是积重难返，比如西方至今还在找上帝粒子这种标准基准物就显然是走火入魔了，而纳米科技的应用也被夸大得离谱了。

“因此以数学化来模拟这种渐变天然带有系统误差不可控的缺陷，在目前的算法层面更是无解。可以说再精妙的算法也无法解决跨多维度的问题，因为你无法找到妥善的临界判定”。这是事实。是人类认识论上的事实。而且，我还进一步认为，这是人脑必不可免的局限。

你把外界的东西，反射到人脑内部的一个东西（算法也好，记忆也好，等等，等等，总之是人脑内部的一个东西，或者过程），就必然出现你说的“临界判定”。

我强调一下，无论那种方式，都必然出现这样的一个局限。可能某些方法，对于某些问题，这个局限能够获得比较好的解决。例如你提到的那些（我是不懂的）。但是，你能确定，这样的方式，例如“规则的自由度预留得好，因此不用频繁更换系统”，就不会出现那种临界判定的问题？恐怕是肯定会出现的吧。至少，什么地方采用你提到的那种方式更好，就是这样的一个判定了。

我想说明的，也是我的这个帖子的主题思想，其实就是，人类的认识论，和人脑的基本结构，其实是密不可分的。你认为数学被过度使用，恐怕也绕不过这样的主题。

说到这里，我还想指出一点，要超越历史上的人物和理论，是非常非常困难的。困难在于：一致性。当你把你的某种成功想法运用到更多的事物之上，你就会发现你必须要逐步削减或修改你的这些想法，最后这些想法可能变成了极端平庸的。举例来说，你提到的那种“渐变思维”，试试看，可以用到什么地方？需要修改吗？修改后，还有没有锐气？

1+1=2，不光是人类几十万年的经验总结，更是哺乳动物的神经体系上亿年进化的结果。以我看，认识论中的最核心的东西，恐怕都有这样的地位。我相信，脑科学的发展，将逐渐揭示这方面的事实。

mind http://www.amazon.com/How-Create-Mind-Thought-Revealed/dp/0670025291

有了点想法，似乎现在的人工智能的热点已经不是数学上的探索了，一个接一个的直接用电路模拟大脑的比比皆是，最新的一个甚至就是用电压来模拟神经元触突的激发，来达到尽量多的神经元的目的。

目前以数学模型为基础的,hidden morkov，贝叶斯等所谓deep learning的机器学习，已经能够得到不错的学习效果，siri，自动驾驶， X-47B等等实用例子比比皆是，但是人类的许多工作多多少少其实是需要一点创造力的，至少能够举一反三，而不是举三反一，这还是说的最简单的事务性工作，虽然比生产线工作复杂，但远远没到需要想象力的地步。比如，有些挑战性不大不小的工作，编写程序，这个工作要求的智力水平，将是衡量人工智能最终能不能超越人的关键拐点。因为，一旦人工智能可以自我提高，将会以远超过人的效率很快的自我改进而把人摔在后面。

以前河里有人提过曾有过数学上的证明，智力上有极限的。那个数学证明不太理解，但是有一点不需要太高的智力就可以理解，按照目前脑神经学科对大脑结构的了解，以及如Kurzweil等人对大脑数据流的基本物理描述，虽然其智力产生的原理仍然在初始的探索阶段，但是如果人的大脑皮层是目前的十倍大，神经元的数量与链接都超过人类大脑的话，肯定其能够产生的智力比人的智力高。那么，下面的问题除了理解智力产生的原理外，就是个摩尔定律的问题，什么时候人类的电子水平可以在不需要很大投入的条件下造出超过人脑神经元数量与传输速率的电路，什么时侯这个问题就有了答案。

当然，这个答案肯定不是最优解，因此对智力的产生原理的理解才是重要的。因为了解后还可以改进，也许人工的智力不需要自然人脑的某些冗余，虽然这只是一个猜测，目前的人的科学水平与智力水平，刚刚才解决了人是不是上帝创造的问题，或者说一部分上解决，因为许多人包括生理心理学家对人的自我意识仍然很困惑，仍然不能相信这竟然是物理神经元互相作用的结果，下一步是不是用自身的智力去揭开智力产生的原理，这个问题一般人想一想都已经很绕很头痛了，最终是不是能够解开还不肯定，甚至人所能做到的也只是初级的人工智能，但是可以自我更新提高，最终这个任务要交给人工智能自身去解决也未未可知。我这么说可能已经很绕了，但理工科的人应该理解起来不困难，这不是不可想象的。

这个问题有点类似那个多维空间的问题，生活在二维空间的人可以想象三位空间，但是四维空间就超越了大多数人的想象力，这只是个比方，但是人脑创造出来的数学模型解决的只是类似这个二维空间层次上的问题，不是说二维空间的问题，而是打个比方，那么人对高层次的解决办法是组成社会，以不同的人分管不同层次的问题来扩大大脑的操作层次，因此人的社会才是金字塔型的，这个也类似个体大脑自身内部的运行方式，只不过人与人之间要通过语言来沟通，要通过互动来合作，虽然经过千百万年的进化，人脑与人脑之间的连接仍然与脑神经元之间的链接有着天壤之别。话说如果大树的细胞之间互相可以通过化学物质传输信号，如果速度足够快，距离足够短的话，大树也可以进化成堪比人脑的智力，所以这里面的关键是神经云的数量，结构与传输速度。

比如人与一部分动物身上出现的自我意识现象，应该就是这个金字塔达到一定高度自然出现的结果。就比如我们的手去抓东西，这是个底层要解决的问题，但是大脑的高层同时还在关注手的动作，那么再往上呢？ 人的社会组织中底层要解决穿衣吃饭生产的问题，中层要关注这些做具体工作的人，上层就要关注组织整体的问题，再上层呢就要关注行业整体与国家地区的问题，大脑中有多少层呢？现在已知的一些高层大脑活动包括哲学等，已经是在很抽象的领域内思考问题了，但对与解释大脑自身的原理上，却仍然是远远不能胜任的。

自我意识的一个连带问题就是人不能解释自身这个物理现象，于是就产生了信仰宗教等让社会中不需要考虑高层问题的人脑自我抑制在有限智力的方法。这从侧面也说明了人脑的生理结构上大体上相同的，但是个体的智力水平早已发展到超越了生存的需求，因为群体社会可以解决很大一部分生存的需求问题。但是在高层问题上，人脑的智力水平还远远不够用，所以就有人关注群体的自组织现象，希望能够理解自组织原理，但是这个问题也是超越人的智力水平的，包括人目前可以操控的科学理论计算机等工具在内。但是人的群体毕竟不是蚁群，在解决人的智力这个问题之前，有关人的问题都不会有很好的答案。

大约有一个猜想，人对智能的探索上大都有一个预设前提，就是这是个工具，一定要在人的控制下这个前提。说白了，就是人脑创造一种低于人脑智力的智力，这个问题有点哲学了，但是我认为这个前提很可能就是制约人对智力开发的最大阻力，换句话说，不能接受智能的不可控就不可能发展出真正的智能来，就是说，用我们的已知去构建一个我们的未知，把人类的未来交给一个不可知的人创造出来的结果，而不是生产出阿猫阿狗黑猩猩那个水平的智力工具，这可能是最终决定人工智能的一道关卡。

数学这种东西的产生就是人脑这种结构产生出来的自然结果，分类，总结，识别，一层层的抽象的结果就是数学。那么再复杂再大量的输入信号的抽象，这个可能超过了人脑的智力水平，虽然认识到还有可能存在更进一步的抽象，但是这个工作人脑已经不能再如同以前那样的很快步伐去理解了，也许永远无法理解。

可笑的是，一直以来就有这样的问题，我看也是故作姿态，安抚大众，其实这个问题还用问么。Was Turing naive to ask whether a computer could ever really think for itself?